Um modelo de regressão linear é definido por \( Y_i \sim \) Normal\( (\mu =X^T_i \cdot \beta, σ^2) \), em que \( X_i \) é um vetor \( 10 \times 1 \) de características, cuja primeira entrada é 1, T é o operador transposto, \( \beta \) é um vetor \( 10 \times 1 \) de parâmetros, e \( σ^2 \) é um parâmetro escalar. Nesse modelo:

• \( X_{i2} \) a \( X_{i5} \) codificam uma variável aleatória qualitativa ;
• \( X_{i2}=1 \) indica que Q assumiu a categoria A;
• \( X_{i2}=0 \) indica que Q não assumiu a categoria A;
• \( X_{i3}, X_{i4} \) e \( X_{i5} \) foram codificados de forma semelhante para outras categorias de Q.

A partir das informações precedentes, julgue o item a seguir, considerando que uma amostra de tamanho n foi retirada da referida população, e assumindo que SQR₁ representa a soma dos quadrados dos resíduos para o modelo sem \( X_{i2} \), \( X_{i3} \), \( X_{i4} \) e \( X_{i5} \) e que SQR₂ representa a soma dos quadrados dos resíduos para o modelo completo (incluindo \( X_{i1} \) a \( X_{i10} \))

Ao nível de significância de 5%, rejeitando-se a hipótese nula que \( \beta_2=0 \), \( \beta_3=0 \), \( \beta_4=0 \) e \( \beta_5=0 \) contra a alternativa de \( \beta_2 ≠ 0 \) e (ou) \( \beta_3 ≠ 0 \) e(ou) \( \beta_4 ≠ 0 \) e(ou) \( \beta_5 ≠ 0 \), usando um teste F com 4 graus de liberdade no numerador e n- 10 graus de liberdade no denominador e a estatística \( F=\left({\large{(SQR_1-SQR_2)/4 \over SQR_2/(n-10)}}\right) \), é correto afirmar que Q é estatisticamente significante ao nível de significância de 5%.